測量中的假設檢驗是一種方法，讓你檢驗一項研究或考試的結果，以檢查你是否有重要的結果。你從根本上測試你的結果是否是實質性的，通過整理你的結果因某種巧合而發生的幾率。這篇文章為大家帶來美國留學生撰寫假設檢驗前必須知道的10件事。

1.假設檢驗總結了研究設計中的信息：我們的報告說："估計的平均治療效果是5(p=.02p=.02)。"他們用速記的方式說，如果你想知道我們是否可以用平均數來區分這個實驗中的信號和噪音，事實上，我們可以。

2.假設是關于未觀察到的關系的主張：我們做實驗是為了進行可解釋的因果比較(Kinder and Palfrey 1993)，我們經常估計平均因果效應。在此，我們解釋一下評估關于因果效應的主張與對因果效應進行最佳猜測之間的區別。

3.無效應的零假設是一個精確的聲明：即使我們不能用直接觀察來了解反事實的因果效應，我們仍然可以對它們提出問題，或建立理論模型，將一些干預或治療、背景特征和潛在結果聯系起來。

4.弱空假設是一個關于集合潛力的聲明：根據我們的學術任務幫助團隊，一個實驗可能會影響一些單位，但平均而言，沒有任何影響。為了編纂這種直覺，研究人員可以寫一個關于潛在結果的平均值的無效假設，或其他一些潛在結果的匯總，而不是關于整個潛在結果的集合。

5.隨機化使我們能夠測試關于我們沒有觀察到的東西的假設：無論我們是直接假設單位層面的影響，還是假設它們的平均值，我們仍然必須面對區分信號和噪聲的問題。假設只是指潛在的結果。

6.觀察到的結果與治療分配之間的關系：給定一個假設和一個從未觀察到的結果的映射，假設檢驗的下一個要素是檢驗統計量。檢驗統計數字用一個數字概括了治療和觀察結果之間的關系。

7.P值表示研究設計和檢驗統計數字說明了多少信息：假設檢驗需要假設下的檢驗統計數字的分布。在簡單的假設檢驗中，我們不接受無效假設。

8.有時人們想用pp值做決定：請記住，pp值使用一個檢驗統計量和重復實驗的想法來量化研究設計中關于假設的信息。是設計、檢驗統計量函數和假設產生了一個概率分布。

9.一旦你使用p值來拒絕假設，你就會犯錯：一個好的測試很少拒絕真實的假設(即有一個可控的假陽性錯誤率)，并且很容易從噪聲中發現信號(即有良好的統計能力，很少犯在噪聲中錯過信號的錯誤)。

10.關于假設檢驗還需要知道什么：盡可能多地收集關于假設檢驗的信息。假設檢驗作業幫助將幫助你獲得所有你需要的信息。

海馬課堂留學生作業輔導，根據學生的輔導需求匹配背景相符的專業老師。1V1個性化備課，雙語教學，實時輔導，講解相關知識點和解題思路，提供大型作業任務的解決方案，輔導計算機編程語言操作，教授學生高效完成PPT和演講稿，針對性解決留學生各類作業中遇到的困擾，提高作業成績！